Python從Excel讀取資料並使用Matplotlib繪製成二維影象

2023-02-12 06:00:37

知識點

使用 xlrd 擴充套件包讀取 Excel 資料
使用 Matplotlib 繪製二維影象
顯示 LaTeX 風格公式
座標點處透明化

接下來，我們將通過實踐操作，帶領大家使用 Python 實現從 Excel 讀取資料繪製成精美影象。

首先，我們來繪製一個非常簡單的正弦函數，程式碼如下：

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
x = np.linspace(0, 10, 500)
dashes = [10, 5, 100, 5]  # 10 points on, 5 off, 100 on, 5 off
fig, ax = plt.subplots()
line1, = ax.plot(x, np.sin(x), '--', linewidth=2,
                 label='Dashes set retroactively')
line1.set_dashes(dashes)
line2, = ax.plot(x, -1 * np.sin(x), dashes=[30, 5, 10, 5],
                 label='Dashes set proactively')
ax.legend(loc='lower right')

測試 xlrd 擴充套件包

xlrd 顧名思義，就是 Excel 檔案的字尾名 .xl 檔案 read 的擴充套件包。這個包只能讀取檔案，不能寫入。寫入需要使用另外一個包。但是這個包，其實也能讀取.xlsx檔案。

從 Excel 中讀取資料的過程比較簡單，首先從 xlrd 包匯入 open_workbook，然後開啟 Excel 檔案，把每個 sheet 裡的每一行每一列資料都讀取出來即可。很明顯，這是個迴圈過程。

## 下載所需範例資料  
## 1. https://labfile.oss.aliyuncs.com/courses/791/my_data.xlsx
## 2. https://labfile.oss.aliyuncs.com/courses/791/phase_detector.xlsx
## 3. https://labfile.oss.aliyuncs.com/courses/791/phase_detector2.xlsx
from xlrd import open_workbook
x_data1 = []
y_data1 = []
wb = open_workbook('phase_detector.xlsx')
for s in wb.sheets():
    print('Sheet:', s.name)
    for row in range(s.nrows):
        print('the row is:', row)
        values = []
        for col in range(s.ncols):
            values.append(s.cell(row, col).value)
        print(values)
        x_data1.append(values[0])
        y_data1.append(values[1])

如果安裝包沒有問題，這段程式碼應該能列印出 Excel 表中的資料內容。解釋一下這段程式碼：

開啟一個 Excel 檔案後，首先對檔案內的 sheet 進行迴圈，這是最外層迴圈。
在每個 sheet 內，進行第二次迴圈，行迴圈。
在每行內，進行列迴圈，這是第三層迴圈。

在最內層列迴圈內，取出行列值，複製到新建的 values 列表內，很明顯，源資料有幾列，values 列表就有幾個元素。我們例子中的 Excel 檔案有兩列，分別對應角度和 DC 值。所以在列迴圈結束後，我們將取得的資料儲存到 x_data1 和 y_data1 這兩個列表中。

繪製影象 V1

第一個版本的功能很簡單，從 Excel 中讀取資料，然後繪製成影象。同樣先下載所需資料：

def read_xlsx(name):
    wb = open_workbook(name)
    x_data = []
    y_data = []
    for s in wb.sheets():
        for row in range(s.nrows):
            values = []
            for col in range(s.ncols):
                values.append(s.cell(row, col).value)
            x_data.append(values[0])
            y_data.append(values[1])
    return x_data, y_data
x_data, y_data = read_xlsx('my_data.xlsx')
plt.plot(x_data, y_data, 'bo-', label=u"Phase curve", linewidth=1)
plt.title(u"TR14 phase detector")
plt.legend()
plt.xlabel(u"input-deg")
plt.ylabel(u"output-V")

從 Excel 中讀取資料的程式，上面已經解釋過了。這段程式碼後面的函數是 Matplotlib 繪圖的基本格式，此處的輸入格式為：plt.plot(x 軸資料, y 軸資料, 曲線型別, 圖例說明, 曲線線寬)。圖片頂部的名稱，由 plt.title(u"TR14 phase detector") 語句定義。最後，使用 plt.legend() 使能顯示圖例。

繪製影象 V2

這個圖只繪製了一個表格的資料，我們一共有三個表格。但是就這個一個已經夠醜了，我們先來美化一下。首先，座標軸的問題：橫軸的 0 點對應著縱軸的 8，這個明顯不行。我們來移動一下座標軸，使之 0 點重合：

from pylab import gca
plt.plot(x_data, y_data, 'bo-', label=u"Phase curve", linewidth=1)
plt.title(u"TR14 phase detector")
plt.legend()
ax = gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))
plt.xlabel(u"input-deg")
plt.ylabel(u"output-V")

好的，移動座標軸後，圖片稍微順眼了一點，我們也能明顯的看出來，影象與橫軸的交點大約在 180 度附近。

解釋一下移動座標軸的程式碼：我們要移動座標軸，首先要把舊的座標拆了。怎麼拆呢？原圖是上下左右四面都有邊界刻度的影象，我們首先把右邊界拆了不要了，使用語句 ax.spines['right'].set_color('none')。

把右邊界的顏色設定為不可見，右邊界就拆掉了。同理，再把上邊界拆掉 ax.spines['top'].set_color('none')。

拆完之後，就只剩下我們關心的左邊界和下邊界了，這倆就是 x 軸和 y 軸。然後我們移動這兩個軸，使他們的零點對應起來：

ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))

這樣，就完成了座標軸的移動。

繪製影象 V3

我們能不能給影象過零點加個標記呢？顯示的告訴看圖者，過零點在哪，就免去看完圖還得猜，要麼就要問作報告的人。

plt.plot(x_data, y_data, 'bo-', label=u"Phase curve", linewidth=1)
plt.annotate('zero point', xy=(180, 0), xytext=(60, 3),
             arrowprops=dict(facecolor='black', shrink=0.05),)
plt.title(u"TR14 phase detector")
plt.legend()
ax = gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))
plt.xlabel(u"input-deg")
plt.ylabel(u"output-V")

好的，加上標註的圖片，顯示效果更好了。標註的新增，使用 plt.annotate(標註文字, 標註的資料點, 標註文字座標, 箭頭形狀) 語句。這其中，標註的資料點是我們感興趣的，需要說明的資料，而標註文字座標，需要我們根據效果進行調節，既不能遮擋原曲線，又要醒目。

繪製影象 V4

我們把三組資料都畫在這幅圖上，方便對比，此外，再加上一組理想資料進行對照。這一次我們再做些改進，把橫座標的單位用 LaTeX 引擎顯示；不遊標記零點，把兩邊的非線性區也標記出來；

plt.annotate('Close loop point', size=18, xy=(180, 0.1), xycoords='data',
             xytext=(-100, 40), textcoords='offset points',
             arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2")
             )
plt.annotate(' ', xy=(0, -0.1), xycoords='data',
             xytext=(200, -90), textcoords='offset points',
             arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=-.2")
             )
plt.annotate('Zero point in non-monotonic region', size=18, xy=(360, 0), xycoords='data',
             xytext=(-290, -110), textcoords='offset points',
             arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2")
             )
plt.plot(x_data, y_data, 'b', label=u"Faster D latch and XOR", linewidth=2)
x_data1, y_data1 = read_xlsx('phase_detector.xlsx')
plt.plot(x_data1, y_data1, 'g', label=u"Original", linewidth=2)
x_data2, y_data2 = read_xlsx('phase_detector2.xlsx')
plt.plot(x_data2, y_data2, 'r', label=u"Move the pullup resistor", linewidth=2)
x_data3 = []
y_data3 = []
for i in range(360):
    x_data3.append(i)
    y_data3.append((i-180)*0.052-0.092)
plt.plot(x_data3, y_data3, 'c', label=u"The Ideal Curve", linewidth=2)
plt.title(u"$2pi$ phase detector", size=20)
plt.legend(loc=0)  # 顯示 label
# 移動座標軸程式碼
ax = gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))
plt.xlabel(u"$phi/deg$", size=20)
plt.ylabel(u"$DC/V$", size=20)

LaTeX 表示數學公式，使用 $$ 表示兩個符號之間的內容是數學符號。圓周率就可以簡單表示為 $pi$ ，簡單到哭，顯示效果卻很好看。同樣的， $phi$ 表示角度符號，書寫和讀音相近，很好記。

對於圓周率，角度公式這類數學符號，使用 LaTeX 來表示，是非常方便的。這張圖比起上面的要好看得多了。但是，依然覺得還是有些醜。好像用平滑線畫出來的影象，並不如用點線畫出來的好看。而且點線更能反映實際的資料點。此外，我們的影象跟座標軸重疊的地方，把座標和數位都擋住了，看著不太美。

圖中的理想曲線的資料，是根據電路原理純計算出來的，要講清楚需要較大篇幅，這裡就不展開了，只是為了配合比較而用，這部分程式碼，大家知道即可：

for i in range(360):
    x_data3.append(i)
    y_data3.append((i-180)*0.052-0.092)
plt.plot(x_data3, y_data3, 'c', label=u"The Ideal Curve", linewidth=2)

繪製影象 V5

我們再就上述問題，進行優化。優化的過程包括：改變橫座標的顯示，使用弧度顯示；優化影象與橫座標相交的部分，透明顯示；增加網路標度。

plt.annotate('The favorite close loop point', size=16, xy=(1, 0.1), xycoords='data',
             xytext=(-180, 40), textcoords='offset points',
             arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2")
             )
plt.annotate(' ', xy=(0.02, -0.2), xycoords='data',
             xytext=(200, -90), textcoords='offset points',
             arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=-.2")
             )
plt.annotate('Zero point in non-monotonic region', size=16, xy=(1.97, -0.3), xycoords='data',
             xytext=(-290, -110), textcoords='offset points',
             arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2")
             )
plt.plot(x_data, y_data, 'bo--', label=u"Faster D latch and XOR", linewidth=2)
plt.plot(x_data3, y_data3, 'c', label=u"The Ideal Curve", linewidth=2)
plt.title(u"$2pi$ phase detector", size=20)
plt.legend(loc=0)  # 顯示 label
# 移動座標軸程式碼
ax = gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))
plt.xlabel(u"$phi/rad$", size=20)  # 角度單位為 pi
plt.ylabel(u"$DC/V$", size=20)
plt.xticks([0, 0.5, 1, 1.5, 2], [r'$0$', r'$pi/2$',
                                 r'$pi$', r'$1.5pi$', r'$2pi$'], size=16)
for label in ax.get_xticklabels() + ax.get_yticklabels():
    label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.65))
plt.grid(True)

與我們最開始那張圖比起來，是不是有種脫胎換骨的感覺？這其中，對影象與座標軸相交的部分，做了透明化處理，程式碼為：

for label in ax.get_xticklabels() + ax.get_yticklabels():
    label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.65))

透明度由其中的引數 alpha=0.65 控制，如果想更透明，就把這個數改到更小，0 代表完全透明，1 代表不透明。而改變橫軸座標顯示方式的程式碼為：

plt.xticks([0, 0.5, 1, 1.5, 2], [r'$0$', r'$pi/2$',
                                 r'$pi$', r'$1.5pi$', r'$2pi$'], size=16)

這裡直接手動指定 x 軸的標度。依然是使用 LaTeX 引擎來表示數學公式。

實驗總結

本次實驗使用 Python 的繪圖包 Matplotlib 繪製了一副影象。影象的資料來源於 Excel 資料表。與使用資料表畫圖相比，通過程式控制繪圖，得到了更加靈活和精細的控制，最終繪製除了一幅精美的影象。

到此這篇關於Python從Excel讀取資料並使用Matplotlib繪製成二維影象的文章就介紹到這了,更多相關Python讀取Excel資料內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！